那么，沒有自己的數據，我們應該怎么辦？

首先，下列寶典，僅僅是權宜之計，大家決不能因噎廢食。因為對于科研工作，以至于將來的學位、基金申請而言，自己的課題和論文才是王道。

這些大法，主要是針對一些沒有機會擁有自己的數據，但是又著急畢業或者找工作、讀博等的小伙伴。

方法一：公開數據庫

發表類型：論文

優點：認可度較高，除某些特殊需求外不需要學習特定軟件。

缺點：病種有限

溫馨提示：需要提交申請，平臺進行審核，不過一般難度不大。

國際上有很多公開的數據庫，我知道的就有精神科自閉癥的 ABIDE 數據庫（Autism Brain Imaging Data Exchange）、神經科帕金森病 PPMI 數據庫（parkinson's progression markers initiative）、重癥醫學的 MIMIC 庫（ Medical Information Mart for Intensive Care）、腫瘤學的 SEER 數據庫（Surveillance, Epidemiology, and End Results）等，它們都有臨床特征、診療信息、影像和實驗室數據，有的甚至還有病理結果。

操作方法：

我們只需要按照數據庫的要求提交申請，就可以下載相應的數據，進一步完成我們自己的實驗設計和統計分析了。大樣本的數據能夠幫我們獲得更加可靠的結論，同時也能提高文章的檔次。

除了數據是已經收集好的以外，臨床思路和后續的統計分析都是我們自己完成的，所以認可度很不錯哦。不過，遺憾的是目前相關的數據庫并不是很多。

圖片來源：ABIDE數據庫??

方法二：生物信息學分析

發表類型：論文

優點：認可度一般，可以進行后續研究，對病種限制較小。

缺點：需要學習相關軟件，學習成本較高。

溫馨提示：統計學和計算機編程相關基礎不太好的小伙伴，建議謹慎考慮，有時一個報錯就能把你找廢。

以基礎研究為主，或者所研究的疾病并沒有相關數據庫的小伙伴也不用著急，生物信息學分析也許能夠在一定程度上幫助你們解決這個問題。

生物信息學是在生命科學的研究中，以計算機為工具對生物信息進行儲存、檢索和分析的科學。其研究重點主要體現在基因組學（Genomics）和蛋白質組學（Proteomics）兩方面，具體來說就是從核酸和蛋白質序列出發，分析序列中表達的結構功能的生物信息。

?

文章剩余內容<<<<<

總結

以上是生活随笔為你收集整理的数据挖掘、生信、meta？临床医生如何选择的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。